深度双重自表达子空间聚类

基于自编码器的深度子空间聚类已受到广泛关注。然而，大多数基于自编码器的子空间聚类未利用自表达系数矩阵中的结构信息，这限制了聚类性能。本文中，我们提出一种双重自表达子空间聚类算法。我们解决方案的关键思想是将自表达系数视为样本的特征表示，以得到另一个系数矩阵。然后，我们使用这两个系数矩阵构造亲和矩阵用于谱聚类。我们发现这可以降低子空间保持表示误差并改善连通性。为了进一步增强聚类性能，我们提出了一个基于对比学习的自监督模块，可进一步提升训练网络的性能。在多个基准数据集上的实验表明，所提算法能够取得优于当前最优方法的聚类效果。